巷道围岩稳定性分类是岩体工程中的重要问题，也是进行合理巷道支护设计的基础。随着矿山开采的逐渐加深，巷道稳定性问题日益突出，矿山压力逐渐加大，严重威胁着矿山的安全生产。因而，围岩稳定性的判定对矿山具有十分重要的意义。随着各种新方法、新技术在采矿领域中的应用，巷道围岩稳定性分类也出现出了多种方法，包括最近研究比较多的智能方法，如基于人工神经网络的巷道围岩稳定性分类方法，巷道围岩稳定性的模糊聚类方法基于灰色系统理论围岩稳定性分类法等。相比之下较人工神经网络而言，其他方法都有着不同程度的局限性，结果的可靠性也相对较弱。 本文从BP神经网络方法出发，利用其处理非线性问题能力强的特点建立一种较系统的围岩稳定性分类方法。 主要的内容有：1.对巷道围岩稳定性分类的现状作了分析，并分析了影响巷道围岩稳定性的主要因素。 2.针对经典BP网络收敛速度慢和隐层节点结构难以确定的问题，利用改进的BP算法给出确定隐层节点数的方法。 3.实现了面相对象的BP神经网络设计，并建立了可视化围岩稳定性分类的BP神经网络系统。 4.在理论和实践的基础上，分析了荆各庄矿的巷道稳定性影响因素并在开滦荆各庄矿采集大量有关数据，确定了分类指标体系。 5.利用实现的BP神经网络系统建立了巷道稳定性分类模型，用14组训练样本对此模型进行了训练，用7组样本作为验证样本对此通用模型进行了验证。 软岩巷道围岩稳定性影响因素复杂多变，而且具有很大的模糊性，用其他方法来实现围岩稳定性分类存在很大的困难。验证结果表明了：围岩稳定性的分类方法很多，各种方法考虑的因素不一，判别结果出入较大，怎样很好的解决这些问题，BP神经网络提供了一种新的解决方法，BP神经网络方法不仅能够对信息进行并行处理，而且具有存储记忆联想性和通过模型训练获取判断识别模糊性知识的能力。有很好的推广性及通用性。采用BP神经网络对围岩稳定性识别是可行的,最终识别结果是可靠的。